共

页

第

页

考试科目

:Hadoop

技术原理

考试方式：笔试

考试时量

: 90

分钟

一、单选题（

2

×

20=40

分）

1.

MapReduce

是一种（）模型

A:  

面向对象模型

B:  

编程模型

C:  MVC

模型

D:  

面向切面模型

2.

以下关于

MapReduce

说话错误的是？

A:  Map

和

reduce

是他们的主要思想

B:  

用于大规模数据集的串行运算

C:  

极大的方便了编程人员不会分布式编程

D:  

都是从函数式和矢量编程语言借来的特性

3.

MapReduce

的

存储模型能够存储什么数据？

A:  

文件数据

B:  

二进制

C:  

字符串

D:  

任意格式

4.

为销售报表展示开发一个

MapReduce

作业，

Mapper

输入数据的

Key

是年份

（

IntWritable

），

Value

表示商品标识（

Text

）。下列哪一项决定该

Mapper

的

数据类型？

A:   JobConf.setMapInputKeyClass

与

JobConf.setMapInputValuesClass 

B:  HADOOP_MAP_DATATYPES

环境变量

C:  

随作业一起提交的

mapper-specification.xml

文件

D:  InputFormat

格式类

5.

关于

 SecondaryNameNode 

哪项是正确的？

A:  

它是

 NameNode 

的热备

B:  

它对内存没有要求

C:  

它的目的是帮助

 NameNode 

合并编辑日志，减少

 NameNode 

启动时间

D:  SecondaryNameNode 

应与

 NameNode 

部署到一个节点

6.

在

Hadoop MapReduce

框架中，任何值类型

A:  

需要实现

Writable

接口

B:  

需要实现

Comparable 

接口

C:  

需要实现

WritableComparable

接口

D:  

不需要实现任何接口

7.

以下四个

Hadoop

预定义的

Mapper

实现类的描述错误的是

A:  IdentityMapper

实现

Mapper

，将输入直接映射到输出

B:  InverseMapper

实现

Mapper

，反转键

/

值对

C:  RegexMapper

实现

Mapper

，为每个常规表达式的匹配项生成一个

(match, 1)

对

D:  TokenCountMapper

实现

Mapper

，当输入的值为分词时，生成

(taken, 1)

对

8.

MapReduce

框架提供了一种序列化键

/

值对的方法，支持这种序列化的类能够在

Map

和

Reduce

过程中充当键或值，以下说法错误的是

A:  

实现

Writable

接口的类是值

B:  

实现

WritableComparable

接口的类可以是值或键

C:  Hadoop

的基本类型

Text

并不实现

WritableComparable

接口

D:  

键和值的数据类型可以超出

Hadoop

自身支持的基本类型

9.

下列关于

HDFS

为存储

MapReduce

并行切分和处理的数据做的设计，错误的是

A:  FSDataInputStream

扩展了

DataInputStream

以支持随机读

B:  

为实现细粒度并行，输入分片

(Input Split)

应该越小越好

C:  

一台机器可能被指派从输入文件的任意位置开始处理一个分片

D:  

输入分片是一种记录的逻辑划分，而

HDFS

数据块是对输入数据的物理分割

10.

有关

MapReduce

的输入输出，说法错误的是

A:  

链接多个

MapReduce

作业时，序列文件是首选格式

B:  FileInputFormat

中实现的

getSplits()

可以把输入数据划分为分片，分片数目

和大小任意定义

C:  

想完全禁止输出，可以使用

NullOutputFormat 

D:  

每个

reduce

需将它的输出写入自己的文件中，输出无需分片

题号

一

二

三

四

总分

得分